如何在python中繪制感知器決策邊界和數據集

Question

我寫了多層感知器，使用三層（0,1,2）。 我想繪制決策邊界和我分類的數據集（八個特征長），使用python。 如何使用其中一個python庫在屏幕上繪制它？ 權函數 - >矩陣[3] [8]樣本x - >向量[8]

#-- Trains the boundary decision, and test it. --#
def perceptron(x, y):
    m = len(x)
    d = len(x[0])
    eta = 0.1

    w = [[0 for k in range(d)] for j in range(3)]

    T = 2500
    for t in range(0, T):
        i = random.randint(0, m - 1)
        v = [float(j) for j in x[i]]
        y_hat = np.argmax(np.dot(w, v))
        if y_hat != y[i]:
            w[y[i]] = np.add(w[y[i]], np.array(v) * eta)
            w[y_hat] = np.subtract(w[y_hat], np.array(v) * eta)

    w_perceptron = w

    #-- Test the decision boundary that we trained. --#
    #-- Prints the loss weight function. --#
    M_perceptron = 0
    for t in range(0, m):
        y_hat = np.argmax(np.dot(w_perceptron, x[t]))
        if y[t] != y_hat:
            M_perceptron = M_perceptron + 1
    return float(M_perceptron) / m


def main():
    y = []
    x = [[]]
    x = readTrain_X(sys.argv[1], x) # Reads data trainning set.
    readTrain_Y(sys.argv[2], y) # Reads right classified training set.

    print(perceptron(x, y))

Answer 1

你不能繪制8個功能。 你無法想象8D空間。 但是你可以做的是使用PCA / t-SNE進行降維以實現可視化。 如果可以將其縮小為2D，則可以使用創建值網格並使用模型返回的概率來可視化決策邊界。

參考： 鏈接